来自波士顿的初创企业,正在利用AI技术颠覆工业质量检测体系

简介: Neurala公司联合创始人兼CEO Massimiliano Versace表示,“AI技术所具备的视觉识别能力,有望给整个制造业创造巨大价值。AI将这种能够与人类决策水平比肩的能力带入生产线,实现远超常规机器视觉系统的识别准确度。”

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

至顶网软件与服务频道消息:人工智能(AI)正风靡全球。需要强调的是,AI已经成为当下既被严重夸大、又被严重低估的技术成果之一。之所以说夸大,是因为当下几乎任何企业都想把“AI”字眼加进自己的产品当中。(个人认为在披萨烤箱里加进「AI」非常荒唐。)而之所以说低估,是因为大多数行业并没有真正理解AI技术所能带来的下一场革命。

Neurala公司对此有着自己的看法,该公司认为,AI将给制造业领域的机器检查技术带来巨大改进。Neurala公司联合创始人兼CEO Massimiliano Versace表示,“AI技术所具备的视觉识别能力,有望给整个制造业创造巨大价值。AI将这种能够与人类决策水平比肩的能力带入生产线,实现远超常规机器视觉系统的识别准确度。”

Neurala是一家来自波士顿的技术初创企业,致力于将AI引入计算机视觉检查领域。该公司成立于2006年,通过四轮融资筹得1600万美元。最近的一次是2017年1月的A轮融资,由Pelion Venture Partners领投,融资额为1400万美元。Neurala公司目前拥有50名员工。

该公司在核心业务在于开发专有神经网络技术(即Lifelong-Deep神经网络,简称Lifelong-DNN),意在进一步提升计算机视觉的性能水平。Lifelong-DNN最初专为美国宇航局的自动行星探测机器人所设计,其模拟人类大脑的观察与学习方式。与计算机视觉相结合,该技术能够实现对系统的快速连续训练,借此准确发现并标记存在缺陷的产品。Lifelong-DNN本身属于Neurala公司Brain Builder AI平台的组成部分。

Versace解释道,“对于大多数现有应用而言,常规的计算机视觉方案已经能够发挥很好的效果,例如在光滑的表面上寻找划痕。但其作用本质仍存在严重的局限性,也就是在相同当中找出不同。而在大多数实际应用场景中,我们根本无法满足机器视觉提出的标准化要求。”

就Versace个人而言,他从25年前就开始从事AI技术研究,并与DARPA及美国宇航局一道开发机器人与无人机。他曾参与过石油与天然气行业中的无人机设备检查项目,这段经历,也让他下定决心投身于利用视觉技术实现对消费级产品及OEM生产的质量控制。他表示,“近年来,制造业一直在以种种有趣的方式使用AI技术。我们将见证越来越多实际应用的诞生,并迎接AI驱动型制造业的全面腾飞。”

Neurala公司的人工智能系统,可以利用产品图片,来学习目标产品的外观。对于这类具备大量关于合格产品的数据,而不良产品数据相对有限的使用专题来说,计算机视觉技术可以说再合适不过了。Versace指出,“常规制造业就是这样,并不会保存太多不良产品的信息。以制药领域为例,他们要求系统完美运行,一切与预期相左的状态都属于异常。这意味着我们可以利用少量图像建立起「质量良好」这一基准概念,并拒绝一切与之冲突的产品表现。相关识别模型只需要短短几分钟就能设置完成。”

AI系统最强大的一点,在于持续学习能力。Versace解释道,“如果系统认为某款产品合格,但操作人员给出不同意见,系统就能从中学习新的经验。它会意识到自己遗漏了某些关键信息,借此完善数据集,推动系统能力的进一步提升。”

IHI Corporation作为全球最大的飞机发动机、汽车与工业涡轮增压器以及其他运输相关设备制造商之一,目前也成为Neurala公司的客户。IHI物联网项目部总经理Yukihiro Kawano表示,“在检测准确度与处理速度方面,我们发现Neurala的Brain Builder AI平台要远远优于其他标准视觉检测系统。Brain Builder能够利用AI技术,从图像中准确检测出特定对象类别。这是生成注释数据的关键,并可被用于确保该平台准确检测生产线制造出来的任何对象。”

这种对异常问题的实时识别能力不仅能够节约下大量资金,防止存在质量问题的产品被交付到客户手中,同时也让操作人员得以立即着手纠正问题。因此,IHI希望将这套系统推向更广泛的应用场景。Kawano指出,“展望未来,我们希望利用Brain Builder改善其他工厂的制造流程,包括借此快速识别并检测其他生产线中更为多样的产品对象。”

Neurala公司的发展愿景也正在于此。Versace表示,“我们正在切实证明AI技术在改善制造能力、解决异常问题并节约成本方面的实际效果。我们一直以月作为规划周期单位,目前也已经开始与制造业领域的多家知名大企业开展合作。”

他还抱有更大的雄心壮志。他总结道,“着眼于宏观经济层面,机器人与AI技术将帮助制造业重返美国,同时让制造类工作岗位变得更具吸引力。我知道很多人担心自己的工作被AI彻底取代,但如今的年轻人们已经习惯了同技术打交道,而且愿意不断学习。AI技术在完善整个制造业流程的同时,也将让我们的工人拥有更强大、更高效的生产能力。”

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/zhibo

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-03-28
本文作者:Jim Vinoski
本文来自:“至顶网”,了解相关信息可以关注“至顶网

相关文章
|
29天前
|
机器学习/深度学习 人工智能 边缘计算
AI技术在医学影像诊断中的应用
传统的医学影像诊断需要耗费大量时间和人力,而随着人工智能技术的发展,AI在医学影像诊断中的应用也日益广泛。本文将探讨AI技术在医学影像诊断中的应用现状和未来发展,以及其对医疗行业的深远影响。
29 1
|
29天前
|
人工智能 算法 搜索推荐
未来AI技术的无限可能性
随着人工智能技术的迅速发展,我们正处于一个充满无限可能性的时代。本文将探讨AI技术在各个领域的应用和未来发展方向,展望人工智能给我们带来的前所未有的机遇和挑战。
14 1
|
27天前
|
机器学习/深度学习 人工智能 算法
未来AI技术在医疗领域的应用
传统医疗体系一直面临着挑战,而随着人工智能技术的不断发展,AI在医疗领域的应用正在成为一种新的趋势。本文将探讨未来AI技术在医疗领域的应用,包括诊断、治疗和预防等方面,以及AI与传统医疗模式的结合,展望未来医疗行业的发展方向。
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
提升软件测试效率与质量:AI驱动的自动化测试策略
【2月更文挑战第19天】 在快速迭代的软件发展环境中,传统的手动测试方法已无法满足高效率和高质量的要求。本文探讨了人工智能(AI)技术如何革新现有的软件测试流程,通过引入AI驱动的自动化测试策略,旨在提高测试覆盖率,减少人为错误,优化资源分配,并缩短产品上市时间。我们将分析AI在识别潜在缺陷、生成测试用例、执行测试以及结果分析中的应用,并讨论实施这些策略时可能遇到的挑战和限制。
106 3
|
29天前
|
机器学习/深度学习 人工智能 运维
《未来智能运维:AI技术的应用与展望》
在当今数字化时代,智能运维正日益成为企业提升效率、降低成本的关键。本文将探讨人工智能技术在运维领域的应用现状与未来发展趋势,展望未来智能运维的发展前景。
44 1
|
20天前
|
机器学习/深度学习 人工智能 运维
【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)(二)
【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)
53 1
|
20天前
|
机器学习/深度学习 人工智能 自然语言处理
【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)(一)
【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)
60 1
|
26天前
|
机器学习/深度学习 人工智能 搜索推荐
未来AI技术在医疗领域的应用
随着人工智能技术的不断发展,AI在医疗领域的应用正日益广泛。本文将探讨未来AI技术在医疗领域的潜在价值和影响,以及其对医疗行业和患者的积极意义。
|
1天前
|
人工智能 数据安全/隐私保护
如何实现AI检测与反检测原理
AI检测器用于识别AI生成的文本,如ChatGPT,通过困惑度和爆发性指标评估文本。低困惑度和低爆发性可能指示AI创作。OpenAI正研发AI文本水印系统,但尚处早期阶段。现有检测器对长文本较准确,但非100%可靠,最高准确率约84%。工具如AIUNDETECT和AI Humanizer提供AI检测解决方案,适用于学生、研究人员和内容创作者。
|
7天前
|
机器学习/深度学习 数据采集 人工智能

热门文章

最新文章